光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2014年
5期
1354-1362
,共9页
信息融合%目标威胁估计%粒子群算法%支持向量机
信息融閤%目標威脅估計%粒子群算法%支持嚮量機
신식융합%목표위협고계%입자군산법%지지향량궤
information fusion%target threat assessment%particle swarm optimization%Support Vector Machine (SVM)
针对信息融合中目标威胁估计的特点,分析了传统目标威胁估计方法和支持向量机(SVM)的不足.采用粒子群算法(PSO)对SVM中惩罚参数c和核函数g进行优化,建立了改进的SVM(PSO_SVM)目标威胁估计模型及算法.介绍了粒子群算法和支持向量机的原理,建立了一种新的PSO_SVM目标威胁估计模型;基于该模型,实现了PSO_SVM目标威胁估计算法.为适应该算法,对数据进行了预处理,包括数据量化和归一化.交叉验证寻找最佳参数时,采用PSO算法进行优化.采集75组原始数据用于仿真实验,其中60组作为训练集,15组作为测试集.仿真实验表明,该算法预测误差为0,达到了预期目标.实验结果真实、准确地反映了实际情况,证明了该方法的有效性.
針對信息融閤中目標威脅估計的特點,分析瞭傳統目標威脅估計方法和支持嚮量機(SVM)的不足.採用粒子群算法(PSO)對SVM中懲罰參數c和覈函數g進行優化,建立瞭改進的SVM(PSO_SVM)目標威脅估計模型及算法.介紹瞭粒子群算法和支持嚮量機的原理,建立瞭一種新的PSO_SVM目標威脅估計模型;基于該模型,實現瞭PSO_SVM目標威脅估計算法.為適應該算法,對數據進行瞭預處理,包括數據量化和歸一化.交扠驗證尋找最佳參數時,採用PSO算法進行優化.採集75組原始數據用于倣真實驗,其中60組作為訓練集,15組作為測試集.倣真實驗錶明,該算法預測誤差為0,達到瞭預期目標.實驗結果真實、準確地反映瞭實際情況,證明瞭該方法的有效性.
침대신식융합중목표위협고계적특점,분석료전통목표위협고계방법화지지향량궤(SVM)적불족.채용입자군산법(PSO)대SVM중징벌삼수c화핵함수g진행우화,건립료개진적SVM(PSO_SVM)목표위협고계모형급산법.개소료입자군산법화지지향량궤적원리,건립료일충신적PSO_SVM목표위협고계모형;기우해모형,실현료PSO_SVM목표위협고계산법.위괄응해산법,대수거진행료예처리,포괄수거양화화귀일화.교차험증심조최가삼수시,채용PSO산법진행우화.채집75조원시수거용우방진실험,기중60조작위훈련집,15조작위측시집.방진실험표명,해산법예측오차위0,체도료예기목표.실험결과진실、준학지반영료실제정황,증명료해방법적유효성.
